第三章 研究方法
3.1 議題分析與討論
3.2.1 個體中心度社群網路路由機制(Ego-Centric Social Network Routing)
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
39
送可行，就不使用𝐶𝐷_𝑑𝑖𝑣𝑒𝑟𝑠𝑖𝑡𝑦值高者傳送，畢竟再透過所選出之節點傳送會造成時間的 增加及不必要的資源浪費。
𝐶𝐷_𝑑𝑖𝑣𝑒𝑟𝑠𝑖𝑡𝑦_𝑚𝑎𝑥𝑖𝑚𝑢𝑚(𝑡𝑜𝑝 (𝑛𝑢𝑚𝑏𝑒𝑟))節點的負擔相對較重，隨之而來的問題如電力不足、
負載過重等。當藉由𝐶𝐷_𝑑𝑖𝑣𝑒𝑟𝑠𝑖𝑡𝑦_𝑚𝑎𝑥𝑖𝑚𝑢𝑚(𝑡𝑜𝑝 (𝑛𝑢𝑚𝑏𝑒𝑟))節點傳送的連線路徑中斷或負載超 過所設定之門檻值時，𝐶𝐷_𝑑𝑖𝑣𝑒𝑟𝑠𝑖𝑡𝑦_𝑚𝑎𝑥𝑖𝑚𝑢𝑚(𝑡𝑜𝑝 (𝑛𝑢𝑚𝑏𝑒𝑟))節點周圍的鄰居將是最好的替代 選 擇 ， 因 此 我 們 提 出 了 推 薦 清 單 (𝑁𝑜𝑑𝑒𝑟𝑒𝑐𝑜𝑚𝑚𝑒𝑛𝑑) 的 概 念 。 由 於 ECSNR 是 透 過
𝐶𝐷_𝑑𝑖𝑣𝑒𝑟𝑠𝑖𝑡𝑦_𝑚𝑎𝑥𝑖𝑚𝑢𝑚(𝑡𝑜𝑝 (𝑛𝑢𝑚𝑏𝑒𝑟))節點轉傳，除了有藉由相識節點傳送的特性外，也透過
差異化與𝐶𝐵(betweenness centrality)的考量來決定轉傳節點，使傳播路徑具有延展性。當 訊息轉傳流動的同時，也意味著傳輸範圍不再侷限於某個群體，而可間接打進新的群體 中，所能送達範圍也被延伸。藉此傳輸及擴展方式，希望可以提升packet delivery ratio 的效能以及增加對訊息來源的可信度。
當𝐶𝐷_𝑑𝑖𝑣𝑒𝑟𝑠𝑖𝑡𝑦_𝑚𝑎𝑥𝑖𝑚𝑢𝑚(𝑡𝑜𝑝 (𝑛𝑢𝑚𝑏𝑒𝑟))節點被選出來，也需要配合一些選擇性策略，才
能有效利用社群網路概念，將ECSNR功能發揮出來。
3.2.1 個體中心度社群網路路由機制(Ego-Centric Social Network Routing)
網路中心度指標如上章節所介紹，有許多種不同測量指標，最廣泛運用為中間度指標 (degree centrality，𝐶𝐷)、近距中間度指標(closeness centrality，𝐶𝑐)和參與中間度指標 (betweenness centrality，𝐶𝐵)。這些是按照一般傳統方式，需要知道整個網路環境的節點 才可以計算出上述中心度值。
本文利用個體網路(ego network)的方式計算，由於人具有移動性，網路拓樸可能是 瞬息萬變的，在單純Ad Hoc模式傳遞訊息時，雖然經過長時間的觀測可觀察出每個人日
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
40
常生活中的習性，計算出個人中心值。但是在這人人幾乎都有行動載具的時代，不論在 大眾交通工具上、校園中、教室等，在不同時刻將會與不同人相遇，也會在不同時間、
不同地點經由人來人往的節點幫助傳送，甚至結交為好朋友。根據文獻得知，社群網站 的交友，不僅僅侷限於單一屬性，朋友當中也包含了工作夥伴、社團朋友、興趣相近的 朋友等。若是採用需要知道整個網路環境才能計算出中心值的方式，其做法需要先發送 廣播封包，以得知目前網路的情況，如此一來會使得網路上的message過多，控制訊息 也會較多。因此本文採用個體網路(ego network)的方式，可以當下計算與鄰居節點的關 係，立即判斷如何藉由周邊節點，選擇較適合的節點將資訊傳送到目的地端。
本機制透過個體網路的原因是因為在網路中擁有超高知名度的人可能不多甚至很 少，但往往希望藉由高知名度的人幫忙將資訊傳達出去。要知道網路環境中知名度較高 者，需要得知整體網路中所有節點的分布情形，才可以計算出知名度高的轉傳節點，在 短時間內執行是有困難的。因此我們把焦點聚集在個人的身上，以個人為出發點，並且 運用於個體中心網路上，不僅可以省去探索整個網路架構的時間，更可以利用周邊的節 點和人的行動力達成傳送的方式，如圖3.2所示。
第二章所提及社會網路分析有兩種方式，本篇論文採用個體網路且利用相鄰矩陣 (adjacency matrix)判定𝐶𝐷值。也就是每個節點會有一個相鄰矩陣，若是兩節點相鄰其值 為1否則為0。根據此相鄰矩陣計算𝐶𝐷值，在本文中會利用此概念，也就是計算載具本身 傳輸範圍內且為社群網站好友的節點總數。
‧
degree centrality 公式
𝐶 𝐷 (𝑝 𝑖 ) = ∑ 𝑎(𝑝 𝑖 , 𝑝 𝑘 )
𝑁
𝑘=1
(3-1) 其中
D 代表 degree centrality
N 代表網路規模，亦即節點總個數